植物生長(zhǎng)發(fā)育動(dòng)態(tài)QTL 解析研究進(jìn)展

付威 韋素云 陳贏男

（林木遺傳育種全國(guó)重點(diǎn)實(shí)驗(yàn)室 現(xiàn)代南方林業(yè)協(xié)同創(chuàng)新中心 林木遺傳與生物技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室 江蘇省林木遺傳和高效培育重點(diǎn)實(shí)驗(yàn)室 南京林業(yè)大學(xué)，南京 210037）

生物體的性狀主要分為質(zhì)量性狀和數(shù)量性狀。其中，質(zhì)量性狀是一種不連續(xù)性變異，能夠被明確分組，通常由一對(duì)或幾對(duì)等位基因控制，不易受環(huán)境影響而發(fā)生變化［1］，植物許多重要性狀如性別［2］、育性［3］、色澤［4］等均表現(xiàn)出質(zhì)量性狀遺傳的特點(diǎn)。不同于質(zhì)量性狀，數(shù)量性狀的遺傳效應(yīng)是由一個(gè)或幾個(gè)主效基因和大量微效基因共同控制的，表現(xiàn)出連續(xù)的變化，單個(gè)控制基因只有微小的控制效應(yīng)，這種現(xiàn)象被稱為多基因效應(yīng)，數(shù)量性狀控制基因在染色體上的位置則被稱為數(shù)量性狀基因座［5］（quantitative trait locus,QTL）。植物的大部分性狀都屬于數(shù)量性狀，如株高［6］、品質(zhì)［7］、產(chǎn)量［8］、抗病性［9］等，均表現(xiàn)出連續(xù)變異的遺傳特性。然而，數(shù)量性狀的形成不僅是多基因相互作用與調(diào)控的結(jié)果，還受到時(shí)間與環(huán)境因素的影響，使生物體呈現(xiàn)具有時(shí)空規(guī)律的生長(zhǎng)發(fā)育變化，如樹(shù)木的高生長(zhǎng)與粗生長(zhǎng)［10］、果實(shí)產(chǎn)量的變化［11］、籽粒營(yíng)養(yǎng)物質(zhì)的積累［12］等生物進(jìn)程，這種在生物體生長(zhǎng)發(fā)育過(guò)程中隨時(shí)空變化而變化的性狀就被稱為動(dòng)態(tài)性狀，也稱縱向性狀或函數(shù)值性狀，是基因有選擇的時(shí)序性表達(dá)、細(xì)胞群內(nèi)部和之間互作、基因與環(huán)境互作以及表觀遺傳相互作用的動(dòng)態(tài)表現(xiàn)結(jié)果［13］。

自1865 年孟德?tīng)栠z傳規(guī)律發(fā)現(xiàn)以來(lái)，基因定位及其功能驗(yàn)證一直是分子遺傳學(xué)研究領(lǐng)域的重點(diǎn)與熱點(diǎn)，盡管反向遺傳學(xué)能夠有針對(duì)性地對(duì)基因功能進(jìn)行研究，但通過(guò)生物體的表型差異定位目標(biāo)基因并研究其功能的正向遺傳學(xué)策略仍是開(kāi)展基因定位與功能研究的最有效方式［14］。目前，數(shù)量性狀基因定位根據(jù)其原理主要分為基于連鎖規(guī)律的連鎖分析（linkage analysis）和基于連鎖不平衡定律的關(guān)聯(lián)分析（association analysis）。QTL 定位實(shí)質(zhì)上是利用連鎖遺傳規(guī)律對(duì)家系內(nèi)子代的目標(biāo)性狀與分子標(biāo)記的連鎖關(guān)系進(jìn)行分析，從而明確目標(biāo)性狀QTL 在染色體上的位置。通過(guò)QTL 作圖，可以建立起已知分子標(biāo)記與未知QTL 之間的連鎖關(guān)系，從而在遺傳圖譜上定位連鎖群（linkage group）與功能基因（圖1）。1988 年，Paterson 等［15］首次在番茄中應(yīng)用RFLP 遺傳圖譜定位到了控制番茄果實(shí)質(zhì)量、可溶性固形物以及果實(shí)pH 的QTL，從此數(shù)量性狀的定位進(jìn)入分子標(biāo)記的時(shí)代，鑒定了許多復(fù)雜性狀QTL［16-18］。常規(guī)QTL 方法，即非條件QTL（unconditional QTL）采取“靜態(tài)定位”（static mapping）的策略［19］，對(duì)植株性狀的發(fā)育終點(diǎn)進(jìn)行分析，定位到的目標(biāo)性狀連鎖群只能反映植株某一特定生長(zhǎng)階段基因表達(dá)的累積效應(yīng)，是性狀表達(dá)的最終表現(xiàn)狀態(tài)［20］。然而，對(duì)數(shù)量性狀而言，性狀的表達(dá)是連續(xù)的，每個(gè)時(shí)期的表型值都是多個(gè)QTL 動(dòng)態(tài)表達(dá)的結(jié)果，從而呈現(xiàn)連續(xù)變異的遺傳效應(yīng)，常規(guī)QTL 方法定位的連鎖群與候選基因忽略了只在某一時(shí)期特異表達(dá)的QTL，既不能反映目標(biāo)性狀QTL 在植株生長(zhǎng)發(fā)育過(guò)程中的真實(shí)表達(dá)情況，也無(wú)法分析多個(gè)相關(guān)性狀間的遺傳關(guān)系，具有很大的局限性［21］。因此，在常規(guī)QTL 的基礎(chǔ)上，吳為人等［20］和Zhu 等［22］均提出了QTL 的動(dòng)態(tài)定位（dynamic mapping）策略，即條件QTL（conditional QTL），通過(guò)檢測(cè)多個(gè)測(cè)量時(shí)期內(nèi)數(shù)量性狀的凈增長(zhǎng)量，分析特定發(fā)育階段QTL 的凈效應(yīng)，從而有效利用生物體生長(zhǎng)發(fā)育過(guò)程中的遺傳信息，提高定位準(zhǔn)確性與靈敏性，實(shí)現(xiàn)動(dòng)態(tài)QTL 的精細(xì)定位。鄔榮領(lǐng)團(tuán)隊(duì)提出的功能作圖方法將個(gè)體發(fā)育過(guò)程中影響發(fā)育的QTL 效應(yīng)看作時(shí)間函數(shù)，強(qiáng)調(diào)隨時(shí)空變化的性狀發(fā)育規(guī)律，從而定位復(fù)雜性狀的相關(guān)基因，解析基因受時(shí)間與環(huán)境變化而發(fā)生的變化，實(shí)現(xiàn)動(dòng)態(tài)QTL 定位及對(duì)發(fā)育性狀的遺傳調(diào)控解析［23］。

圖1 動(dòng)態(tài)QTL 分析流程圖Fig.1 Flow chart of dynamic QTL analysis

1 動(dòng)態(tài)QTL 研究模型

植物性狀是各分量綜合發(fā)育的結(jié)果，模型則是對(duì)特定系統(tǒng)及特征的簡(jiǎn)潔描述與概括［5］，通過(guò)建立生物體動(dòng)態(tài)發(fā)育性狀的遺傳模型，可以研究遺傳和非遺傳因素及其相互作用對(duì)表型變異的影響、個(gè)體發(fā)育的變化規(guī)律以及選擇響應(yīng)的大小、方向及維度等［24］。目前，已經(jīng)建成的發(fā)育遺傳模型主要有3 種：直接效應(yīng)模型、主-多基因混合遺傳模型和生長(zhǎng)軌跡模型［13］。直接效應(yīng)模型屬于經(jīng)典的孟德?tīng)栠z傳模型，包括適用于單一基因控制簡(jiǎn)單性狀的單基因模型和受少數(shù)幾個(gè)主基因控制性狀的寡基因模型。直接效應(yīng)模型認(rèn)為個(gè)體的遺傳信息完全遺傳自親本的基因組，所有遺傳分量?jī)H限于直接遺傳分量（如基因的顯性效應(yīng)和加性效應(yīng)），并且個(gè)體發(fā)育不受環(huán)境因子和漸成因子的影響，性別之間完全相關(guān)等［25］。通過(guò)雜交子代的性狀分離比例，可以剖析性狀控制基因的遺傳效應(yīng)大小，對(duì)個(gè)體發(fā)育的最終表現(xiàn)做出預(yù)測(cè)和評(píng)價(jià)。但生物體發(fā)育是一個(gè)受多因素影響的復(fù)雜生物進(jìn)程，不僅受遺傳基因控制，還受環(huán)境因子、母體效應(yīng)、漸成效應(yīng)及表觀遺傳效應(yīng)的影響，是一個(gè)互作、漸成的過(guò)程［26-27］。利用直接效應(yīng)模型研究動(dòng)態(tài)發(fā)育的數(shù)量性狀，不足以體現(xiàn)數(shù)量性狀的動(dòng)態(tài)發(fā)育，也不足以解釋各遺傳分量在性狀發(fā)展過(guò)程中的遺傳貢獻(xiàn)及遺傳與非遺傳因素間的互作和變化規(guī)律［28］。因此，直接效應(yīng)模型不適于解釋多基因控制的動(dòng)態(tài)發(fā)育數(shù)量性狀［13］。

對(duì)動(dòng)態(tài)發(fā)育性狀而言，其遺傳模型必須同時(shí)反映其遺傳和發(fā)育本質(zhì)，并提供影響遺傳變異及發(fā)育進(jìn)程的相關(guān)因素，體現(xiàn)發(fā)育性狀互作、連續(xù)、可遺傳、漸成的特點(diǎn)［28］。早期對(duì)動(dòng)態(tài)性狀的遺傳研究集中于某個(gè)時(shí)間節(jié)點(diǎn)或粗略劃分的幾個(gè)時(shí)間段，且只考慮最終性狀的表現(xiàn)值，建立的模型也只是對(duì)靜態(tài)現(xiàn)象的簡(jiǎn)單描述。但生物體在不同的發(fā)育階段，基因表達(dá)不同，遺傳機(jī)理會(huì)發(fā)生變化，使數(shù)量性狀呈現(xiàn)出具有時(shí)空規(guī)律的動(dòng)態(tài)表現(xiàn)［29］。此外，控制數(shù)量性狀的基因眾多，不同基因座對(duì)表現(xiàn)型的貢獻(xiàn)不同，基因之間又存在相互作用，而且基因表達(dá)易受環(huán)境的影響［21］。因此，僅研究最終性狀的遺傳模型不足以解釋復(fù)雜數(shù)量性狀建成過(guò)程中的遺傳作用規(guī)律，需要選用能夠反映數(shù)量性狀動(dòng)態(tài)發(fā)育過(guò)程的遺傳模型。

1.1 主-多基因混合遺傳模型

微效遺傳假說(shuō)認(rèn)為數(shù)量性狀受多基因控制，單個(gè)基因只有很小的遺傳效應(yīng)。但很多試驗(yàn)數(shù)據(jù)表明，控制數(shù)量性狀的基因遺傳效應(yīng)并不相等，其中遺傳效應(yīng)較大的為主效基因，效應(yīng)較小則為微效基因，構(gòu)成了控制數(shù)量性狀的主-多基因遺傳系統(tǒng)［24］。通過(guò)觀察分離世代的性狀分布特征可以判斷是否存在主基因，即無(wú)主基因的多基因體系呈現(xiàn)單峰對(duì)稱的正態(tài)分布，而存在主基因時(shí)則會(huì)呈現(xiàn)多峰或偏離正態(tài)分布的單峰分離［1］。例如小麥（Triticum aestivum）的株高和產(chǎn)量［30］、菊花（Chrysanthemum morifolium）的營(yíng)養(yǎng)性狀［31］、水稻（Oryza sativa）的株高［32］、油菜（Brassica rapa var.oleifera）的分支角度［33］、苦瓜（Momordica charantia）的抗病性［34］、陸地棉（Gossypium hirsutum）的果枝夾角［35］等，主基因使性狀分布頻率成峰，微效基因和隨機(jī)環(huán)境效應(yīng)使其連續(xù)，蓋均鎰［36］將其概括為主-多基因遺傳體系。對(duì)于主基因的鑒別，主要通過(guò)復(fù)合分離分析方法，參數(shù)估計(jì)采用極大似然法，計(jì)算方法采用EM 算法；主基因的檢測(cè)采用似然比測(cè)驗(yàn)，已廣泛應(yīng)用于人類和動(dòng)物遺傳病的研究［37］。

在植物中，Elkind 等［38］提出了一個(gè)包含主基因和多基因的遺傳模型，使后代的基因性質(zhì)可明確分類。然而，這種分析方法只包括了1 對(duì)主基因和多基因的遺傳模型，并未考慮2 對(duì)甚至多對(duì)主基因和連鎖及上位效應(yīng)。因此，蓋鈞鎰［24］建立了“植物數(shù)量性狀遺傳體系主基因-多基因混合遺傳模型分離分析法”，其基本思路與環(huán)節(jié)包括：（1）分離世代的理論分布與基本假設(shè)；（2）7 類遺傳模型；（3）單世代或多世代分析；（4）建立似然函數(shù)；（5）估計(jì)分布參數(shù)；（6）選擇最適模型；（7）估計(jì)遺傳參數(shù)；（8）判別個(gè)體基因型；（9）圖形分析。通過(guò)“植物數(shù)量性狀遺傳體系主基因-多基因混合遺傳模型分離分析法”能夠得出主、多基因的相對(duì)重要性、效應(yīng)大小、基因作用方式等，對(duì)于植物數(shù)量性狀遺傳模型發(fā)展具有十分重要的理論和現(xiàn)實(shí)意義。汪文祥等［33］在油菜BCP1、BCP2 和F2群體中對(duì)其分支角度進(jìn)行了遺傳分析，鑒定到頂枝角主基因的遺傳貢獻(xiàn)率分別為34.08%、1.40%、14.99%，存在明顯的主效基因；谷子［39］（Setaria italica var.germanica）的株高、穗長(zhǎng)與穗粒重等均符合主-多基因混合遺傳模型，其中穗長(zhǎng)的主基因遺傳貢獻(xiàn)率為46.40%，多基因遺傳貢獻(xiàn)率為46.91%，而穗粒重的主基因遺傳貢獻(xiàn)率高達(dá)81.10%。主-多基因混合遺傳模型包含了復(fù)雜的統(tǒng)計(jì)和計(jì)算，對(duì)實(shí)驗(yàn)設(shè)計(jì)、誤差檢驗(yàn)、群體大小等方面都有嚴(yán)格的要求，模型難以簡(jiǎn)化，否則會(huì)對(duì)鑒別精度產(chǎn)生影響，因此一般應(yīng)用于遺傳效應(yīng)明顯且數(shù)量較少的主基因鑒定［24］。

1.2 生長(zhǎng)軌跡模型

生物體很多性狀的表現(xiàn)都隨著時(shí)間變化而呈現(xiàn)一定的規(guī)律和連續(xù)性，對(duì)同一性狀不同時(shí)間點(diǎn)的表型值進(jìn)行測(cè)量，會(huì)得到表型值與時(shí)間之間的函數(shù)，從而生成一條光滑的曲線，這條曲線被稱為“生長(zhǎng)曲線”，可以用來(lái)描述和解釋生長(zhǎng)發(fā)育的規(guī)律，而復(fù)雜性狀的各分量則有各自的發(fā)育軌跡［23,40-41］。通過(guò)將重復(fù)測(cè)量的表型數(shù)據(jù)擬合生長(zhǎng)曲線，基于降維的多元分析理論，可以將復(fù)雜的動(dòng)態(tài)性狀分解為各分量的發(fā)育動(dòng)態(tài)，從而對(duì)少量生長(zhǎng)參數(shù)進(jìn)行遺傳分析［42］。Kirkpatrick 等［43］在對(duì)小鼠早期生長(zhǎng)分析的試驗(yàn)中提出了一種估算遺傳和選擇參數(shù)的連續(xù)定量遺傳模型，Atchley 等［13］在此基礎(chǔ)上將不同的分量綜合成復(fù)雜數(shù)量性狀的生長(zhǎng)軌跡模型：dxi(t)/dt=Fi[x(t)]xi(t)，其中dxi(t)/dt 為細(xì)胞發(fā)育群體在時(shí)刻表型值的向量表示，xi(t)表示t 時(shí)刻細(xì)胞群體包含的細(xì)胞總數(shù)，各分量的生長(zhǎng)軌跡Fi[x(t)]則通過(guò)常量ai、系數(shù)bij及初始條件表示為通過(guò)該模型，不僅可以獲取生長(zhǎng)模型所必需的發(fā)育信息，還能夠?qū)ιL(zhǎng)發(fā)育做出遺傳解釋。發(fā)育遺傳學(xué)中，常用的生長(zhǎng)模型有Gompertz 方程、Logistic 方程以及 Richards 方程等［44］，其中Logistic 模型又稱“S 型曲線”或“生長(zhǎng)曲線”，常用于描述生物體的增長(zhǎng)特征：g(t)=a/(1+be-rt)，其中g(shù) 表示遺傳值，t 為時(shí)間，當(dāng)t →∞時(shí)，a 是g 的漸近值，r 是相對(duì)生長(zhǎng)率，當(dāng)t →0 時(shí)，a/(1+b)共同表示g 的初始值，(a,b,r)3 個(gè)參數(shù)的組合決定了生長(zhǎng)曲線的整體形狀，后續(xù)還可以轉(zhuǎn)換成加性效應(yīng)和顯性效應(yīng)。Wu 等［40］基于logistic 模型提出了一種QTL 定位的“兩步法”：首先用動(dòng)態(tài)性狀的表型值擬合生長(zhǎng)曲線，然后對(duì)估算的生長(zhǎng)參數(shù)采用復(fù)合區(qū)間作圖進(jìn)行動(dòng)態(tài)性狀的QTL定位。鄔榮領(lǐng)團(tuán)隊(duì)對(duì)兩步法作了改進(jìn)［23,41,45］，提出了基于logistic 生長(zhǎng)模型［42］的“一步法”，精確定位生物體發(fā)育過(guò)程中的動(dòng)態(tài)性狀。生長(zhǎng)軌跡模型有效地綜合了數(shù)量性狀各分量的發(fā)育動(dòng)態(tài)，從而獲得生物體生長(zhǎng)發(fā)育過(guò)程中的重要發(fā)育信息。

2 動(dòng)態(tài)性狀的分析方法

2.1 條件分析法

1995 年，朱軍團(tuán)隊(duì)提出并發(fā)展了基于復(fù)合區(qū)間作圖的混合線性模型（composite interval mapping based mixed linear model,MCIM）及針對(duì)發(fā)育性狀的條件QTL 分析法，從而將QTL 的各項(xiàng)遺傳效應(yīng)（顯性效應(yīng)、加性效應(yīng)、上位性效應(yīng)等）、隨機(jī)環(huán)境效應(yīng)、基因與環(huán)境互作效應(yīng)等納入數(shù)量性狀的統(tǒng)計(jì)模型，將遺傳效應(yīng)估計(jì)與QTL 定位相結(jié)合，從而實(shí)現(xiàn)QTL 的精確定位及對(duì)動(dòng)態(tài)發(fā)育性狀的遺傳分析［46-49］。條件分析法對(duì)(t-1)至t 時(shí)刻的遺傳效應(yīng)凈增量進(jìn)行分析，對(duì)于給定(t-1)時(shí)刻的表型值，t 時(shí)刻的表型值則為條件隨機(jī)變量，模型表示為，yhjk(t|t-1)=μ(t|t-1)+Gj(t|t-1)+Eh(t|t-1)+GEhj(t|t-1)+Ehjk(t|t-1)，通過(guò)條件隨機(jī)效應(yīng)預(yù)測(cè)可獲得條件遺傳效應(yīng)Gj(t|t-1)及條件互作效應(yīng)GEhj(t|t-1)的無(wú)偏預(yù)測(cè)值后，利用復(fù)合區(qū)間作圖法分析yhjk(t|t-1)=μ(t|t-1)+Gj(t|t-1)特定發(fā)育階段(t-1)→t 時(shí)刻的凈遺傳主效應(yīng)，再估計(jì)yhj(GE)(t|t-1)=μ(t|t-1)+Eh(t|t-1)+GEhj(t|t-1)的預(yù)測(cè)值，分析(t-1)→t時(shí)刻QTL 或基因與環(huán)境互作效應(yīng)。條件分析法已在小麥［6,50-53］、水稻［19,54］、玉米（Zea mays）［55-56］和油菜［12,16,57］的動(dòng)態(tài)發(fā)育性狀研究中廣泛應(yīng)用。

2.2 功能作圖法

隨著分子標(biāo)記技術(shù)、高通量測(cè)序技術(shù)以及生物信息學(xué)方法的發(fā)展與完善，鄔榮領(lǐng)團(tuán)隊(duì)將統(tǒng)計(jì)學(xué)、分子遺傳學(xué)與生物生長(zhǎng)發(fā)育機(jī)制相結(jié)合，提出了復(fù)雜動(dòng)態(tài)性狀QTL 的定量分析方法［23］，即功能作圖（functional mapping），將反映發(fā)育生物學(xué)原理的模型與統(tǒng)計(jì)方法引入基因定位，強(qiáng)調(diào)性狀建成過(guò)程中基因型與環(huán)境的互作效應(yīng)，通過(guò)EM 算法實(shí)現(xiàn)對(duì)QTL位置和遺傳效應(yīng)的最大似然估計(jì)，使得復(fù)雜數(shù)量性狀的遺傳機(jī)制解析成為可能［58］。以回交群體為例，首先對(duì)多時(shí)間點(diǎn)測(cè)量的動(dòng)態(tài)性狀擬合生長(zhǎng)曲線，使群體基因型值分布滿足多元正態(tài)分布：

gj為經(jīng)logistic 模型優(yōu)化的基因型值：

∑為不同時(shí)間點(diǎn)測(cè)量表型值的殘差方差及協(xié)方差矩陣，通過(guò)自回歸預(yù)測(cè)法（autoregression,AR）對(duì)其重復(fù)測(cè)量誤差建模并假設(shè)矩陣Σ 方差穩(wěn)定得出：

直至收斂，此時(shí)的收斂值就是Ω 的最大似然估計(jì)。與傳統(tǒng)的QTL 定位相比，功能作圖在以下方面有著顯著優(yōu)勢(shì)［21］：（1）考慮了表型性狀的動(dòng)態(tài)建成過(guò)程，其結(jié)果更貼近生物學(xué)事實(shí)；（2）將復(fù)雜發(fā)育性狀QTL 按作用時(shí)長(zhǎng)、起始時(shí)間劃分為長(zhǎng)效QTL（long QTL）、短效QTL（short QTL）以及反向QTL（inverse QTL），其中短效QTL 分為早期QTL（early QTL）與晚期QTL（late QTL）；（3）功能作圖對(duì)個(gè)體表型值在不同時(shí)間節(jié)點(diǎn)的多次重復(fù)測(cè)量不僅提升了QTL 定位的精度與準(zhǔn)度，通過(guò)擬合生長(zhǎng)曲線分析大量遺傳變量，增強(qiáng)了模型的普適性和簡(jiǎn)潔性。

3 動(dòng)態(tài)QTL 研究進(jìn)展

在動(dòng)態(tài)QTL 定位方法出現(xiàn)之前，對(duì)發(fā)育性狀的QTL 定位主要集中在某個(gè)特定生長(zhǎng)階段，無(wú)法反映數(shù)量性狀的動(dòng)態(tài)變化過(guò)程。而動(dòng)態(tài)QTL 定位可以估算QTL 在不同生長(zhǎng)階段的實(shí)際效應(yīng)，了解基因在不同發(fā)育時(shí)期的動(dòng)態(tài)表達(dá)［59］。目前，國(guó)內(nèi)外許多學(xué)者對(duì)植物復(fù)雜發(fā)育性狀進(jìn)行了大量動(dòng)態(tài)QTL 定位研究（附表1）。Wang 等［57］以3 個(gè)地點(diǎn)不同時(shí)期油菜的DH 群體（共348 個(gè)株系）為研究材料，對(duì)其不同發(fā)育時(shí)期的株高發(fā)育動(dòng)態(tài)進(jìn)行了非條件及條件QTL 分析。結(jié)果表明，在油菜成熟期共鑒定到31 個(gè)非條件QTL，而在油菜生長(zhǎng)的6 個(gè)時(shí)間段，共鑒定到50 個(gè)條件QTL，其中只有5 個(gè)非條件QTL（ucPH.A2-2、ucPH.A3-2、ucPH.C5-1、ucPH.C6-2、ucPH.C6-3）和1 個(gè)條件QTL（cPH.A2-3）在油菜生長(zhǎng)的整個(gè)發(fā)育時(shí)期都有表達(dá)，是控制油菜株高的長(zhǎng)效QTL，并證實(shí)了數(shù)量性狀是QTL 選擇性表達(dá)的結(jié)果。Wu 等［60］在葡萄（Vitis vinifera）果形的動(dòng)態(tài)QTL 分析中同樣鑒定到1 個(gè)長(zhǎng)效QTL（qShI-5-1），在3 次試驗(yàn)中均有表達(dá)，解釋了葡萄果實(shí)形狀16.4%-19.8%的表型變異。Miedaner 等［61］對(duì)雜交黑麥（Secale cereale）的株高及生物量進(jìn)行了條件QTL 研究，定位到株高的18 個(gè)條件QTL 和生物量的3 個(gè)條件QTL，但沒(méi)有一個(gè)QTL 在測(cè)定的3 個(gè)發(fā)育時(shí)期內(nèi)都有表達(dá)，體現(xiàn)了發(fā)育數(shù)量性狀的階段表達(dá)特性。An 等［10］對(duì)橡膠樹(shù)（Hevea brasiliensis）‘CATAS 8-79’與‘MT/C/11 9/67’雜交產(chǎn)生的F1代個(gè)體（206 株）的橡膠產(chǎn)量和胸徑生長(zhǎng)的發(fā)育動(dòng)態(tài)進(jìn)行了非條件及條件QTL 分析，鑒定到7 個(gè)控制橡膠產(chǎn)量和6 個(gè)控制胸徑生長(zhǎng)的加性條件QTL，其中QTL qLD-13-1 既在S3 階段被傳統(tǒng)QTL 分析檢測(cè)到，同時(shí)在S3|S2 階段通過(guò)條件映射方法也被鑒定，說(shuō)明qLD-13-1 對(duì)S3 階段前期的乳膠產(chǎn)量影響不大，而對(duì)S3 階段的乳膠產(chǎn)量有顯著影響，在S3|S2 階段則產(chǎn)生了條件凈效應(yīng)。

Zhang 等［62］以花生（Arachis hypogaea）品種YZ9102 與wt09-0023 雜交構(gòu)建的包含521 個(gè)株系的RIL 群體為材料，對(duì)花生新鮮種子發(fā)芽過(guò)程進(jìn)行了動(dòng)態(tài)QTL 定位，共檢測(cè)到24 個(gè)條件QTL，解釋了親本0.82%-15.83%的表型變異，其中一個(gè)QTL qFSGA04 在3 種發(fā)芽環(huán)境的整個(gè)發(fā)芽階段均能表達(dá)，是控制花生新鮮種子發(fā)芽的主效與長(zhǎng)效QTL，其他則為短效QTL。在玉米中，Li 等［63］對(duì)玉米穗絲發(fā)生后細(xì)胞壁組分和飼料消化率的變化進(jìn)行了動(dòng)態(tài)QTL 分析，在五個(gè)階段共檢測(cè)出72 個(gè)非條件QTL和26 個(gè)條件QTL，其中6 個(gè)細(xì)胞壁組分變化的主效條件QTL 解釋了超過(guò)10%的表型變異。Zhang 等［64］對(duì)小麥品種Huapei 3 與Yumai 57 雜交產(chǎn)生的DH 群體（168 株）的穗數(shù)、每穗粒數(shù)和千粒重進(jìn)行條件QTL 分析，共檢測(cè)到59 個(gè)條件QTL，并得出不同QTL 間相互作用的結(jié)論。Bu 等［65］在對(duì)毛豆（Glycine max）種子發(fā)育的QTL 定位中發(fā)現(xiàn)，共有12 個(gè)非條件QTL 與8 個(gè)條件QTL 在毛豆種子發(fā)育過(guò)程中顯著影響種子硬度的變化，其中鑒定到的非條件QTL 與條件QTL 大多不同，共同的QTL 比例較少，非條件QTL 與條件QTL 的數(shù)目均呈現(xiàn)先增加后減少的趨勢(shì)，說(shuō)明大多數(shù)QTL 的表達(dá)是按照一定時(shí)空規(guī)律階段性表達(dá)的。Su 等［66］在對(duì)菊花（C.morifolium）耐澇性的遺傳機(jī)制解析中發(fā)現(xiàn)，控制菊花耐澇的非條件QTL 與條件QTL 個(gè)數(shù)分別為37 個(gè)與51 個(gè)，并鑒定到大量的上位效應(yīng)QTL。李海洋［67］連續(xù)兩年對(duì)煙草（Nicotiana tabacum）RIL 群體的青枯病抗性作了動(dòng)態(tài)QTL 定位，共檢測(cè)到9 個(gè)非條件QTL 與13個(gè)條件QTL，在2016 年定位到3 個(gè)非條件QTL 與8 個(gè)條件QTL，2017 年定位到7 個(gè)非條件QTL（含1 個(gè)重復(fù)）與5 個(gè)條件QTL，分別于2016 年和2017年檢測(cè)到1 個(gè)長(zhǎng)效QTL 在多個(gè)調(diào)查期持續(xù)表達(dá)，但僅有1 個(gè)QTL（qBWR2-1）能在不同調(diào)查期被重復(fù)檢測(cè)到，表明多數(shù)QTL 的表達(dá)具有時(shí)序性。

Xie 等［68］以水稻的重組自交系群體為研究材料鑒定了低溫（15℃）和最適溫度（25℃）條件下顯著影響水稻種子萌發(fā)和幼苗形態(tài)建成的動(dòng)態(tài)QTL，結(jié)果表明，顯著影響種子活力的條件QTL 與非條件QTL 不盡相同，共檢測(cè)到了5 個(gè)非條件QTL（qSV-1、qSV-5a、qSV-5c、qSV-8、qSV-11）與3 個(gè)條件QTL（qSV-5b、qSV-6a、qSV-6b），其中qSV-1、qSV-5b、qSV-6a、qSV-6b 僅影響水稻幼苗形態(tài)建成，qSV-5a、qSV-5c、qSV-8 僅對(duì)種子萌發(fā)起促進(jìn)作用，而非條件QTL qSV-11 在種子萌發(fā)及幼苗形態(tài)建成中均能發(fā)揮作用；3 個(gè)條件QTL 僅在低溫條件下幼苗形態(tài)建成的第3 階段顯著表達(dá)，被鑒定為水稻幼苗形態(tài)建成的低溫特異性QTL 及短效QTL，該研究為進(jìn)一步了解水稻種子萌發(fā)及幼苗形態(tài)建成奠定了基礎(chǔ)。Bu等［69］對(duì)水稻HJX74 的5 個(gè)單片段替換系（singlesegment substitution lines,SSSLs）39 種基因型的葉片數(shù)量進(jìn)行了條件QTL 研究，在9 個(gè)發(fā)育階段中共檢測(cè)到5 個(gè)具有顯著加性效應(yīng)的條件QTL，均對(duì)葉片數(shù)量增加起促進(jìn)作用，并且在其中3 個(gè)時(shí)間段（t0-t2、t4-t6、t7-t9），5 個(gè)條件QTL 的表達(dá)更加活躍。Zheng 等［70］對(duì)水稻品種Asominori 與IR24 雜交產(chǎn)生的RIL 群體71 個(gè)子代進(jìn)行了動(dòng)態(tài)QTL 分析，檢測(cè)到了籽粒蛋白含量的10 個(gè)非條件QTL 和6 個(gè)條件QTL，其中僅有1 個(gè)條件QTL qPC-9 在兩個(gè)發(fā)育階段連續(xù)表達(dá)，其余5 個(gè)條件QTL 僅在單個(gè)發(fā)育時(shí)期特異性表達(dá)，且條件QTL 的數(shù)目隨發(fā)育時(shí)期延長(zhǎng)呈現(xiàn)先增后減再增的變化；在對(duì)水稻籽粒蛋白指數(shù)的QTL 定位研究中發(fā)現(xiàn)，檢測(cè)到的非條件QTL 數(shù)目隨著發(fā)育時(shí)期逐漸減少，說(shuō)明水稻籽粒蛋白合成基因在籽粒發(fā)育前期更加活躍；結(jié)合非條件QTL 和條件QTL 分析檢測(cè)到了7 個(gè)共同QTL 影響籽粒蛋白指數(shù)，共同QTL 的比例較高，并且大部分QTL 在籽粒發(fā)育前期而非成熟期被檢測(cè)，說(shuō)明多數(shù)QTL（基因）的表達(dá)是動(dòng)態(tài)的、分階段的，通過(guò)全生長(zhǎng)周期的動(dòng)態(tài)QTL 分析比常規(guī)QTL 定位檢測(cè)到的QTL 種類與數(shù)目更加全面。

Zhang 等［71］在對(duì)楊樹(shù)雜交種（Populous deltoides×P.canadensis syn.euramericana）扦插生根的遺傳定位研究中，鑒定到插穗最大根長(zhǎng)和總根數(shù)的6 個(gè)條件QTL，其中僅有1 個(gè)QTL 在生根過(guò)程中持續(xù)影響根系生長(zhǎng)，其余5 個(gè)短效QTL 對(duì)根系生長(zhǎng)的影響隨生根時(shí)間變化而變化，在插穗生根的不同階段中具有不同的發(fā)育模式。在簸箕柳（Salix suchowensis）生長(zhǎng)節(jié)律的遺傳機(jī)制解析［72］中，共鑒定到控制株高的2 個(gè)長(zhǎng)效QTL 和3 個(gè)短效QTL，以及控制地徑生長(zhǎng)的2 個(gè)長(zhǎng)效QTL 和4 個(gè)短效QTL，在簸箕柳生長(zhǎng)節(jié)律的動(dòng)態(tài)變化中發(fā)揮了重要作用。Zhang 等［73］在對(duì)胡楊（P.euphratica）根系與地上部協(xié)同變化的遺傳定位研究中，首先將幼苗生長(zhǎng)數(shù)據(jù)擬合生長(zhǎng)方程，從而估算出莖和主根生長(zhǎng)的漸近生長(zhǎng)、相對(duì)生長(zhǎng)速率、拐點(diǎn)時(shí)間和線性生長(zhǎng)的持續(xù)時(shí)間，通過(guò)單變量定位模型檢測(cè)到15 個(gè)莖伸長(zhǎng)和4 個(gè)介導(dǎo)主根生長(zhǎng)的異時(shí)QTL（heterochronic quantitative trait loci,hQTLs），通過(guò)雙變量定位模型共定位到11 個(gè)多效性異時(shí)QTL，在胡楊地上部與地下部協(xié)同生長(zhǎng)中發(fā)揮重要作用。在對(duì)擬南芥（Arabidopsis thaliana）表型可塑性基因定位的研究中，任翔宇［74］檢測(cè)到世代內(nèi)顯著影響開(kāi)花時(shí)間、果莢數(shù)目和葉片數(shù)量表型可塑性的位點(diǎn)58、71 和24 個(gè)，并且定位到23 個(gè)和31 個(gè)分別調(diào)控開(kāi)花時(shí)間和果莢數(shù)目的母體環(huán)境表型可塑性顯著位點(diǎn)。結(jié)果表明，母代受環(huán)境影響，可將表型可塑性以基因修飾方式傳遞給子代，表明QTL 或基因受母體效應(yīng)和環(huán)境效應(yīng)影響而呈現(xiàn)發(fā)育階段性表達(dá)。

4 展望

基因組測(cè)序技術(shù)和基因編輯技術(shù)的迅速發(fā)展使定向設(shè)計(jì)和精準(zhǔn)分子育種成為可能。準(zhǔn)確檢測(cè)、鑒定與克隆QTL（基因）并驗(yàn)證其功能是開(kāi)展精準(zhǔn)育種的重要基礎(chǔ)，而QTL 定位是主要手段。隨著測(cè)序通量的提升、新型分子標(biāo)記的開(kāi)發(fā)及生物信息學(xué)方法的發(fā)展，使構(gòu)建植物飽和遺傳圖譜、實(shí)現(xiàn)重要性狀QTL 的精細(xì)定位成為可能。通過(guò)檢測(cè)在不同遺傳背景和環(huán)境條件下穩(wěn)定表達(dá)的QTL，利用與目標(biāo)性狀基因連鎖的分子標(biāo)記來(lái)篩選目標(biāo)性狀基因型，可以提高QTL 的跟蹤效率，縮短育種周期，提高育種效率。然而，許多復(fù)雜的發(fā)育數(shù)量性狀如株高、地徑、產(chǎn)量的控制基因在不同發(fā)育階段的表達(dá)模式不同，是QTL 按一定的時(shí)空規(guī)律選擇性表達(dá)的結(jié)果。因此，只有通過(guò)條件QTL、功能作圖等動(dòng)態(tài)QTL 分析方法，才能鑒定目標(biāo)性狀不同發(fā)育時(shí)期的主效與長(zhǎng)效QTL，從而明確QTL 對(duì)目標(biāo)性狀的影響模式，實(shí)現(xiàn)分子標(biāo)記輔助選育（molecular marker-assisted selection,MAS）對(duì)目標(biāo)性狀的定向改良。

盡管通過(guò)動(dòng)態(tài)QTL 分析能夠有效檢測(cè)生物體目標(biāo)性狀不同發(fā)育階段的數(shù)量性狀控制位點(diǎn)，但受限于人工作圖群體親本的遺傳多樣性，親本遺傳背景相似度較高，所含可供挖掘優(yōu)良基因的豐富程度低，子代分離群體獲得的重組位點(diǎn)有限，僅用人工作圖群體進(jìn)行的QTL 研究，定位到的QTL 分辨率低、置信區(qū)間較大，包含太多的候選基因，不利于后續(xù)數(shù)量性狀控制基因的驗(yàn)證與克隆，分子標(biāo)記輔助選育的精準(zhǔn)度不夠。為了保證動(dòng)態(tài)QTL 定位的可信度，多群體、多環(huán)境、多時(shí)間及多分子標(biāo)記的組合試驗(yàn)必不可少。對(duì)于非模式物種與木本植物而言，研究材料生長(zhǎng)周期長(zhǎng)、遺傳背景復(fù)雜、大群體構(gòu)建困難等問(wèn)題，嚴(yán)重制約了QTL（基因）的精細(xì)定位，僅以單個(gè)作圖群體定位的數(shù)量性狀基因座，QTL 定位區(qū)間太大，難以滿足基因精細(xì)定位與克隆轉(zhuǎn)化實(shí)驗(yàn)的要求，在后續(xù)試驗(yàn)中，應(yīng)結(jié)合多種作圖群體同時(shí)開(kāi)展動(dòng)態(tài)QTL 分析，提高QTL 分辨率。結(jié)合QTL定位與全基因組關(guān)聯(lián)分析（genome wide association analysis,GWAS）是進(jìn)行目標(biāo)性狀QTL 定位的新方法，能夠鑒定與目標(biāo)性狀顯著關(guān)聯(lián)的新位點(diǎn)，有利于發(fā)育數(shù)量性狀位點(diǎn)的精確定位，以自然群體為研究材料，結(jié)合人工作圖群體，開(kāi)展重要數(shù)量性狀的GWAS 與QTL 共定位分析，利用自然群體豐富的遺傳資源與基因位點(diǎn)，提高分子標(biāo)記與基因的連鎖程度，縮小QTL 定位范圍，從而實(shí)現(xiàn)目標(biāo)性狀QTL（基因）的精確定位。隨著基因組測(cè)序技術(shù)的高速發(fā)展，利用基于限制性酶切位點(diǎn)關(guān)聯(lián) DNA 測(cè)序（restrictionsite associated DNA sequencing,RAD-seq）、特異性基因座擴(kuò)增片段測(cè)序技術(shù)（specific locus amplified fragment sequencing,SALF-seq）等簡(jiǎn)化全基因組測(cè)序方法，能夠快速鑒定高密度SNP 位點(diǎn)，結(jié)合傳統(tǒng)SSR、AFLP 等DNA 分子標(biāo)記，能夠提高遺傳連鎖圖譜分子標(biāo)記密度，構(gòu)建高密度遺傳圖譜，從而提高QTL 定位的效率。此外，QTL 結(jié)合轉(zhuǎn)錄組測(cè)序、代謝組分析等多組學(xué)分析技術(shù)，能夠挖掘控制目標(biāo)性狀動(dòng)態(tài)發(fā)育的關(guān)鍵候選基因。隨著Meta 分析、Overview 等分析方法的創(chuàng)新，將不同群體、環(huán)境和分子標(biāo)記下定位到的QTL 整合到同一遺傳圖譜上，從而挖掘出置信區(qū)間小、分辨率高、遺傳效應(yīng)顯著的QTL 位點(diǎn)，加快實(shí)現(xiàn)QTL 的精細(xì)定位。

文章所有附表數(shù)據(jù)請(qǐng)到本刊官網(wǎng)下載（https://biotech.aiijournal.com/CN/1002-5464/home.shtml）。